InDesign Glee の CS5 対応

InDesign Glee を CS5 に対応させられるかどうか確認するために、Adobeの本家サイトから英語版の体験版をダウンロードしてみました。インストールして分かったことは、

.indd のファイルタイプがちゃんと「IDd7」になっていた

これで「バージョン別のアイコン表示」は問題なしです。ホッとしました。

.indd のバージョン情報取得は CS4 と同じ方法で大丈夫だった

コードをいじらなくていいんです。ビルドもしないで、アイコンファイルを追加して、Info.plist を書き替えるだけで CS5 対応完了。ラクチンすぎ。

でもひとつだけ困ったことが…

IDML のバージョン取得はどうする?

.idml は、見た目は普通のファイルのようですが、実際はZIP圧縮されたアーカイブファイルです。解凍してみると複数の XML にバージョン情報があります。
どのファイルを参照したらいいの?
そもそもバージョンを取得する必要があるのかどうかも分かんないです。
どうしようかなあ、これ…

文字コードはなぜ複雑になるのか

プログラマのための文字コード技術入門 の第1章に「文字コードはなぜ複雑になるのか」という節があります。そこには「過去の経験の積み重ね」「文字そのものの難しさ」の2つが挙げられています。もちろんその通りなのですが、私が常々感じている「もうひとつの文字コードの複雑さ」があるのでメモしておきます。
続きを読む →

しののめきたるまえ

萩原朔太郎の詩「鷄」の冒頭です。これをずっと

 しののめき たるまえ

と読んでました。意味はわかりませんが、なにかを祈っているような印象を抱いていました。それが今日、やっと意味が分かりましたよ。

 しののめ きたる まえ → 東雲来る前

「夜明け前」という意味で、祈りの言葉ではありませんでした。あらら〜。

リニューアルしました & たまさん誕生日

これまですべて手書きだった「ものかの」ですが、ブログ(WordPress)に移行してリニューアルしました。まだ完全に移行しきれていませんけど、徐々に整備していきます。

以前のページへのリンクはリダイレクトするようにしたので、そのままで大丈夫だと思います。

それでは、どうぞ今後ともよろしく〜

そうそう、4/18 はたまさんの誕生日。
あれ? どうやってこの日が誕生日だと分かったんだっけ…?

Unicodeで「漢字」の正規表現

改訂:2017/07/22
Unicode 10.0に合わせて書き直し。正規表現を簡易にしようとしてやりすぎていたのを修正。


正規表現で漢字の範囲指定をする場合、Unicodeではどうするかが悩ましいところです。

Unicodeの漢字の範囲として [一-龠] にしている例を見かけます。しかしこれは旧規格JIS X 0208の漢字が含まれる範囲をUnicodeの中から切り出しているだけです。互換漢字ブロックをまるごと取りこぼしているので、WindowsのシフトJIS(CP932)の拡張漢字に当たるものが含まれていません。現規格JIS X 0213の第3・第4水準漢字も考慮されていません。簡易な範囲指定だとしても、新常用漢字の「𠮟」が含まれておらず、今から見るとあまりに時代遅れです。

Unicodeのすべての漢字の正規表現 その1

環境によってはUnicodeスクリプトの \p{Han} が使えます。対応するコードポイントの一覧はこちらで確認できます。
※リンク先はUnicodeの最新のバージョンではない場合があるので注意してください。
UnicodeSet で \p{Han} の対応コードポイント一覧を表示

Unicodeのすべての漢字の正規表現 その2

\p{Han} が使えない環境は普通にあります。使えたとしてもUnicodeの最新バージョンに対応しているとは限りません。しっかりマッチさせたい場合は、範囲指定をするしかありません。その際、漢字はUnicodeの中であちこちに分散しているので、シンプルな範囲指定は不可能です。

Unicodeの漢字の内訳は以下になります。

※コードポイントの範囲は未定義箇所を含めています。\p{Han} に含まれるハングルの数字(12文字)は除外しています。Unicodeのバージョンが上がっても対応できるようにBMP外はU+2FFFFまで含めています。

2E80..2FDF CJK部首補助+康熙部首
3005 々(漢字の踊り字)
3007 〇(漢数字のゼロ)
303B 〻(漢字の踊り字)
3400..4DBF CJK統合漢字拡張A
4E00..9FFF CJK統合漢字
F900..FAFF CJK互換漢字
20000..2FFFF CJK統合漢字拡張B〜F+CJK互換漢字追加+念のためU+2FFFFまで

これをまとめると、下記になります。いかがでしょうか。

[\x{2E80}-\x{2FDF}々〇〻\x{3400}-\x{4DBF}\x{4E00}-\x{9FFF}\x{F900}-\x{FAFF}\x{20000}-\x{2FFFF}]

InDesign CS3 以降

InDesignの漢字のメタ文字「~K」は、ありえないバグ(U+40B6以降がマッチしない)があるので危険。上記の正規表現を使った方がいいでしょう。

JavaScript

(?:[々〇〻\u2E80-\u2FDF\u3400-\u4DBF\u4E00-\u9FFF\uF900-\uFAFF]|[\uD840-\uD87F][\uDC00-\uDFFF])

※ JSはUTF-16なので、正規表現にサロゲートペア対策が必要です。えむけいさんがコメントで対処方法を教えてくれました。感謝!

※ mashabowさんがコメントで、最近の環境(ES2015 以降)では Unicode フラグ “u” が使えるのでサロゲートペア対策を回避できると教えてくれました。感謝!